webpack学习笔记

webpack是一个js模块的打包工具:
在这里插入图片描述

参考:
https://tutorialzine.com/2017/04/learn-webpack-in-15-minutes

webpack将所有的文件和资产都视为"模块"

webpack treats all files and assets as modules.

参考:https://www.sitepoint.com/webpack-beginner-guide/

关键配置文件:
webpack.config.js
一般会是像这样的样子:

var path = require('path');

module.exports = {
  entry: './assets/js/index.js',
  output: {
    filename: 'bundle.js',
    path: path.resolve(__dirname, 'dist')
  }
};

entry用来告诉webpack我们的入口js文件;
output指定我们终于打包出来的文件的名字、和路径。(这里声明了最终打包出来的文件名字是bundle.js)。最终只需要在我们的html文件中加上这行代码,指向这个bundle.js文件即可。

<script src="./dist/bundle.js"></script>

其中npm start 只是npm run start的一个alias。
参考:https://stackoverflow.com/questions/51358235/difference-between-npm-start-and-npm-run-start/51358329

如何将webpack和Django结合起来

参考:
https://www.valentinog.com/blog/drf/
https://scotch.io/tutorials/build-a-to-do-application-using-django-and-react#toc-setting-up-the-frontend

先使用npm全局安装create-react-app工具。

npm install -g create-react-app

在这里插入图片描述

create-react-app frontend

然后在Django所在目录下,创建一个叫做frontend的项目。(可能会花费一些时间)
在这里插入图片描述
安装成功后是这个样子:
在这里插入图片描述

然后需要使用yarn来进行一些操作:

Yarn is a JavaScript package manager compatible with npm that helps you automate the process of installing, updating, configuring, and removing npm packages.

参考:https://linuxize.com/post/how-to-install-yarn-on-ubuntu-18-04/

把这个条目加入到apt到source里面。

curl -sS https://dl.yarnpkg.com/debian/pubkey.gpg | sudo apt-key add -
echo "deb https://dl.yarnpkg.com/debian/ stable main" | sudo tee /etc/apt/sources.list.d/yarn.list

进入fronted目录,然后

yarn start

编译成功之后

访问:
http://192.168.170.139:3000/
就可以看到那个标志:
在这里插入图片描述

想要对后端服务发起请求,需要安装一个axios的库。

yarn add axios

然后在package.json文件中设置代理:

"proxy": "http://localhost:8004",
深度学习是机器学习的一个子领域,它基于人工神经网络的研究,特别是利用多层次的神经网络来进行学习和模式识别。深度学习模型能够学习数据的高层次特征,这些特征对于图像和语音识别、自然语言处理、医学图像分析等应用至关重要。以下是深度学习的一些关键概念和组成部分: 1. **神经网络(Neural Networks)**:深度学习的基础是人工神经网络,它是由多个层组成的网络结构,包括输入层、隐藏层和输出层。每个层由多个神经元组成,神经元之间通过权重连接。 2. **前馈神经网络(Feedforward Neural Networks)**:这是最常见的神经网络类型,信息从输入层流向隐藏层,最终到达输出层。 3. **卷积神经网络(Convolutional Neural Networks, CNNs)**:这种网络特别适合处理具有网格结构的数据,如图像。它们使用卷积层来提取图像的特征。 4. **循环神经网络(Recurrent Neural Networks, RNNs)**:这种网络能够处理序列数据,如时间序列或自然语言,因为它们具有记忆功能,能够捕捉数据中的时间依赖性。 5. **长短期记忆网络(Long Short-Term Memory, LSTM)**:LSTM 是一种特殊的 RNN,它能够学习长期依赖关系,非常适合复杂的序列预测任务。 6. **生成对抗网络(Generative Adversarial Networks, GANs)**:由两个网络组成,一个生成器和一个判别器,它们相互竞争,生成器生成数据,判别器评估数据的真实性。 7. **深度学习框架**:如 TensorFlow、Keras、PyTorch 等,这些框架提供了构建、训练和部署深度学习模型的工具和库。 8. **激活函数(Activation Functions)**:如 ReLU、Sigmoid、Tanh 等,它们在神经网络中用于添加非线性,使得网络能够学习复杂的函数。 9. **损失函数(Loss Functions)**:用于评估模型的预测与真实值之间的差异,常见的损失函数包括均方误差(MSE)、交叉熵(Cross-Entropy)等。 10. **优化算法(Optimization Algorithms)**:如梯度下降(Gradient Descent)、随机梯度下降(SGD)、Adam 等,用于更新网络权重,以最小化损失函数。 11. **正则化(Regularization)**:技术如 Dropout、L1/L2 正则化等,用于防止模型过拟合。 12. **迁移学习(Transfer Learning)**:利用在一个任务上训练好的模型来提高另一个相关任务的性能。 深度学习在许多领域都取得了显著的成就,但它也面临着一些挑战,如对大量数据的依赖、模型的解释性差、计算资源消耗大等。研究人员正在不断探索新的方法来解决这些问题。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值